9. 5. 2013

Příčina a následek. Sledování. Testování.

Občas mám pocit, že si někteří studenti pletou příčinu s následkem. Jinak si nedokážu vysvětlit, proč se v diplomce nejdříve dočtu, že:
Webová aplikace bude běžet na Amazon EC2, bude používat Google Analytics a bude mít doménu XY.
A až kdesi dále se dočtu, že:
Aplikace bude zpracovávat přijaté emaily z domény XY. Aplikace bude cosi ukádat do databáze. Aplikace bude přes web něco prezentovat uživateli. A rádi bychom věděli, co uživatel na stránkách dělá.
Když vytváříte strukturu a píšete text diplomky, zkuste se zamyslet na tím - co je příčina a co je následek.
Příčina: Aplikace bude zpracovávat přijaté emaily z domény XY.
Následek: Potřebuji doménu XY.
Následek: Potřebuji mail server.

Příčina: Potřebuji mail server.
Následek: Nestačími PHP hosting, potřebuji virtuální server.

Příčina: Potřebuji virtuální server.
Následek: Volím Amazon EC2.

Příčina: Potřebuji sledovat chování uživatelů.
Následek: Volím Google Analytics.
A přesně v pořadí příčina - následek by se mělo čtenáři dostat informací v textu práce. Jinak nebude vědět, proč se mu dostává informace (následku bez příčiny) a tak ji okamžitě zapomene. A až mu dáte příčinu, nebude již znát následek (více zde a potřeba vytvářet mezery ve znalostech).

Další bod se týká sledování chování uživatelů. U webových diplomek je podstatnou částí práce analyzovat chování uživatelů a vyvodit z něho závěry. Pro takové sledování se nabízí spousta webových nástrojů, od Google Analytics po různé heatmapy.
Chtěl bych upozornit na jednu věc. Pokud nemáte to štěstí a vaší aplikaci se nedostane několik stovek návštěvníků měsíčně, a nemáte ji hotovou alespoň 2 měsíce před odevzdáním, pak máte na sledování uživatelů přesně jeden výstřel. A pokud se při zveřejnění aplikace (krátkodobý peak návštěvnosti) něco pokazí, heatmapa neheatuje, Analytics neanalyzuje, ... tak jste v *. Už se to několika mým studentům stalo.
Proto, vždy mějte po ruce záložní řešení. A to:
Přímo v kódu odchytávejte maximum událostí, a ukládejte je do nějakého textového logu na serveru (ve formátu IP, cookie, čas, událost, parametery, ...). Pak máte vždy alespoň něco. Mimochodem, z těchto logů můžete vyčíst víc, než z GA, ale dá to práci.

A do třetice. Výsledky vašeho testování by měly dávat smysl. Není cílem nakydat na čtenáře kila čísel, grafů a tabulek, jen aby bylo vidět, že jste něco "udělali". Oponent vám v posudku ty kila "sajrajtu" vrátí i s vidlemi.
Než začnete sepisovat výsledky, položte si otázku(y), co se chcete z chování uživatelů dozvědět. Například:
Kolik návštěvníků má služba zaujme? (jaký mám bounce-rate)
Kolik se jich vrátí?
Za jak dlouho?
Co je jádro služby (např. poskytnout uživateli nějou informaci)?
Kudy vede cesta uživatele k jádru služby? Je více cest? Jakou si vybral?
Líbí se mu služba? (Likoval? Tweetoval?)
Když znáte otázku, můžete hledat v číslech odpověď.
Kolik návštěvníků má služba zaujme? 20%
Kolik se jich vrátí? 80%
Za jak dlouho? 5 dní
Co je jádro služby? Namalovat mapu.
Kudy vede cesta uživatele k jádru služby? Je více cest? Jakou si vybral? Jsou 2 cesty, ze 70% procent si vybral tu delší.
Líbí se mu služba? (Likoval? Tweetoval?) 5% likovalo.
A pak vyvodit závěry
Velký bounce rate - bude třeba zlepšit landing page.
Vrací se hodně uživatelů v průměru po 5 dnech - OK!
Bude třeba lépe "prodat" jádro služby, uživatel nechápe, že se tam může dostat rychleji.
Je třeba více "nutit" uživatele, aby likovali a tweetovali.

Opět by se zde dalo použít pravidlo příčiny (otázka) a následku (odpověď). Mimochodem ty otázky byste měli znát již v době návrhu aplikace, a ne si klást až v době psaní textu diplomky :).

Přeji hodně zdaru s diplomkami!


Žádné komentáře:

Okomentovat